公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于神经网络集成的家用轿车全生命周期成本估算与性能指标预测被引量：2: 2010年; 面向成本的设计(Design For Cost,DFC)是从设计的角度降低全生命周期成本(Life Cycle Cost,LCC)的设计方法。从DFC的角度,通过分析得到家用轿车的设计特征主要有外形尺寸、发动机功率、排量等参数,采用基于特征的神经网络集成方法,通过实例计算表明在概念设计阶段就可以估算其LCC,为降低其LCC奠定了重要基础。在计算BP神经网络权值时分别采用了Levenberg-Marquardt,LM法和遗传算法(Genetic algorithm,GA),对两种方法的计算结果进行了神经网络集成,集成后的结果更好。最后采用类似方法,对家用轿车的部分性能指标(100 km耗油量和车身质量)进行了预测。; 陈晓川袁杰吴迪杜红彬; 关键词：家用轿车全生命周期成本神经网络集成遗传算法

路径识别和图像处理的CPLD实现被引量：2: 2010年; 通过对传统智能车竞赛过程中道路信息采集模块的分析,提出了一种基于边缘检测原理来提取黑线的中心点和其他赛道信息的方法。该方法采用CPLD来处理CMOS数字摄像头拍摄到的黑白赛道信息,并将处理后的结果发送给CPU。最终得到的黑线中心点精度高、实时性好;且使得CPU将更多的资源放在复杂的控制算法和舵机控制上,有利于赛车速度的提高。; 胡彬吴韬杜红彬

机电运动系统的快速建模与控制被引量：2: 2009年; 机电运动系统是一类受未知转动惯量和摩擦力影响的非线性系统,如何对这类系统进行快速、准确地建模是当前研究的难点。分析了Lugre机理模型和神经网络算法建模的局限性;并且针对摩擦力的局部性特点,提出了一种新颖、快速的辨识算法,以保证在芯片或嵌入式处理器上实施。设计了自适应鲁棒控制器以实现光滑的变结构控制,证明了闭环系统的收敛性。通过仿真,验证了其良好的性能。; 杜红彬许贺楠俞敏肖娟; 关键词：自适应变结构控制 LUGRE模型运动控制非线性

一类纯反馈非仿射非线性系统的自适应神经网络变结构控制被引量：4: 2008年; 研究了一类非仿射的纯反馈单输入单输出非线性系统。针对此系统,在中值定理、神经网络参数化和解耦Backstepping的基础上,提出了一种自适应变结构神经网络控制策略,而且所给出的定理证明闭环系统的所有信号在平衡点上是半全局一致有界的。通过对一个非仿射CSTR对象的仿真验证了该方法的有效性。; 杜红彬李绍军; 关键词：非线性自适应变结构控制

一类仿射非线性系统的自适应神经网络输出反馈变结构控制被引量：9: 2008年; 本文研究了一类仿射非线性系统的输出反馈控制问题.在介绍文献[4～6]的基础上,提出一种基于神经网络参数化技术的自适应变结构输出反馈控制方案,该方案能够避免使用严格正实(SPR)条件,它不仅能够保证收缩条件的可行性,而且还可以分析闭环系统的稳态和暂态的一致有界性,并能够对观测增益和控制参数的选取进行清楚地分析.; 杜红彬余昭旭; 关键词：不确定非线性系统自适应控制输出反馈控制

直流伺服系统摩擦力及死区补偿的鲁棒自适应控制器被引量：2: 2010年; 直流伺服系统的死区和摩擦力参数往往是不可知的,而且速度估计也存在误差,如果不能较好地处理这些因素将会严重影响系统的性能。针对这些问题,提出了一种鲁棒自适应控制方法,并运用Lyapunov稳定性原理证明了其稳定性;提出了使用差分器来估计速度值的方法,以减少实际系统中因速度估计误差引起的控制性能的降低。仿真结果表明:该控制方法在提高系统速度估计精度、改善摩擦力和死区补偿效果等方面具有很好的效果,为直流伺服的系统设计提供了一种较好的方法。; 俞敏李绍军杜红彬; 关键词：鲁棒自适应控制死区摩擦力

时变时滞随机非线性系统的自适应神经网络跟踪控制被引量：7: 2011年; 针对一类具有时变时滞的不确定随机非线性严格反馈系统的自适应跟踪问题,利用Razumikhin引理和backstepping方法,提出一种新的自适应神经网络跟踪控制器.该控制器可保证闭环系统的所有误差变量皆四阶矩半全局一致最终有界,并且跟踪误差可以稳定在原点附近的邻域内.仿真例子表明所提出控制方案的有效性.; 余昭旭杜红彬; 关键词：自适应跟踪控制时变时滞

基于神经网络的不确定随机非线性时滞系统自适应有界镇定被引量：10: 2010年; 针对一类不确定严格反馈随机非线性时滞系统的自适应有界镇定问题,利用神经网络参数化和Backstepping方法,提出一种新的且含较少学习参数的神经网络自适应控制策略,以保证系统半全局随机有界.稳定性分析证明闭环系统的所有误差信号概率意义下有界.仿真结果表明所提出控制器设计方法的有效性.; 余昭旭杜红彬; 关键词：自适应控制神经网络 BACKSTEPPING 时滞

Adaptive neural control for a class of uncertain stochastic nonlinear systems with dead-zone: 2011年; The problem of adaptive stabilization is addressed for a class of uncertain stochastic nonlinear strict-feedback systems with both unknown dead-zone and unknown gain functions.By using the backstepping method and neural network（NN） parameterization,a novel adaptive neural control scheme which contains fewer learning parameters is developed to solve the stabilization problem of such systems.Meanwhile,stability analysis is presented to guarantee that all the error variables are semi-globally uniformly ultimately bounded with desired probability in a compact set.The effectiveness of the proposed design is illustrated by simulation results.; Zhaoxu Yu Hongbin Du; 关键词：BACKSTEPPING

全选清除导出

共1页<1>

国家自然科学基金(60704013)